开放无线接入网中稀疏感知的智能海量随机接入控制：一种基于强化学习的方法
机器学习
2023-03-07 v1 人工智能
信息论
网络与互联网体系结构
信号处理
math.IT
摘要
新兴开放无线接入网（O-RAN）中设备的海量随机接入给接入控制与管理带来巨大挑战。利用接入请求的突发特性，稀疏活跃用户检测（SAUD）是实现高效接入管理的有效使能技术，但在非协调海量接入请求情况下稀疏性可能恶化。为动态保持接入请求的稀疏性，提出了一种利用接入等级限制技术的闭环接入控制强化学习（RL）辅助方案，其中 RL 策略通过 RL 智能体（即下一代基站 gNB）与环境持续交互确定。所提方案可由 O-RAN 中的近实时 RAN 智能控制器（near-RT RIC）实现，支持 mMTC 与 uRLLC 服务等异构垂直应用间的快速切换。此外，提出了一种深度 RL 辅助 SAUD 的数据驱动方案，以解决具有连续高维状态与动作空间的极复杂环境，其中应用经验回放缓冲区进行自动大规模数据收集。构建了 actor-critic 框架以将策略学习模块集成至 near-RT RIC。仿真结果表明，针对海量接入请求的不同异构服务，所提方案在接入效率与用户检测精度上均优于基准方案。
引用
@article{arxiv.2303.02657,
title = {Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A Reinforcement Learning Based Approach},
author = {Xiao Tang and Sicong Liu and Xiaojiang Du and Mohsen Guizani},
journal= {arXiv preprint arXiv:2303.02657},
year = {2023}
}
备注
This paper has been submitted to IEEE Journal on Selected Areas in Communications